CN207908384U - 一种双光谱成像铁轨及扣件异常检测装置 - Google Patents
一种双光谱成像铁轨及扣件异常检测装置 Download PDFInfo
- Publication number
- CN207908384U CN207908384U CN201721315073.5U CN201721315073U CN207908384U CN 207908384 U CN207908384 U CN 207908384U CN 201721315073 U CN201721315073 U CN 201721315073U CN 207908384 U CN207908384 U CN 207908384U
- Authority
- CN
- China
- Prior art keywords
- camera
- rail
- fastener
- light
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本实用新型公开一种双光谱成像铁轨及扣件异常检测装置,由可见光摄像机、红外摄像机、二向色镜、照明光源、工控机组成,可见光摄像机、红外摄像机与二向色镜构成同轴分光成像装置,分别获取铁轨及扣件纹理图像和红外热图像;工控机位于车厢内,用于采集、存储、处理双光谱图像;在工控机中,采用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测。本实用新型可有效提升铁轨及扣件异常检测效率,保障轨道交通安全。
Description
技术领域
本实用新型涉及铁轨交通安全检测技术领域,特指一种双光谱成像铁轨及扣件异常检测装置。
背景技术
在铁路基础设施检测上,我国长期以人工和静态检测为主,养护费用高,强度高,安全性差,近年我国高速铁路迅猛发展,对铁路检测的自动化、实时性提出了更高的要求。国内外已有的铁轨及扣件检测技术为:基于线阵激光的连续扫描装置,如德国Sick公司;基于面阵图像传感器的计算机视觉检测装置,如美国ENSCO公司的VIS系统、德国AtlasElectronic 公司开发的光电式轨道检测系统以及北京福斯达公司高速车载式轨道图像识别系统等。但两者的缺点在于检测速度较低,通用性不高,有时需要过多人工干预,而且不能在扣件丢失之前自动判断扣件是否产生松动并进行预警。
经检索,专利Z.201210192641.2介绍一种基于红外热成像的铁路扣件松动高速探测系统与方法:利用红外摄像机获取扣件与钢轨的接触应力产生的红外热图像,通过红外热图像灰度值,判断扣件是否松动或缺失。但是,该方法存在以下缺点:1)采用面阵红外摄像机,采集图像数据量大、扣件区域成像难以对齐,且面阵红外摄像机的成像分辨率低、设备成本高; 2)直接利用红外图像测量的温度值与最小、最大应力值对应的温度值做比较的检测方法,在实际应用中还存在着两个问题:首先,在不同的列车运行速度下,扣件所受到的挤压力大小不同,所产生的热量也不同,因此,这种方法难以适应不同速度条件下扣件松动检测需求;其次,该方法不能检测扣件裂纹异常,也没有检测铁轨异常。
实用新型内容
为了解决现有铁轨及扣件松动检测方法所存在的上述问题,本实用新型提供一种双光谱成像铁轨及扣件异常检测装置。
本实用新型采用的技术方案是:一种双光谱成像铁轨及扣件异常检测装置,其特征在于:由一个可见光摄像机、一个红外摄像机、一个二向色镜、三个面光源、一个工控机组成;所述可见光摄像机、红外摄像机、二向色镜构成双光谱同轴成像装置,可见光摄像机的光轴与铁轨纵向垂直,红外摄像机光轴与铁轨纵向平行,可见光摄像机光轴与红外摄像机光轴垂直;二向色镜位于入射光路上、用于将入射光线分离为可见光与近红外混合光、中远红外光分别送入可见光摄像机和红外摄像机,二向色镜的分光面与可见光摄像机和红外摄像机的光轴成45度角;调整可见光摄像机、红外摄像机到二向色镜分光面的距离,使可见光摄像机拍摄的纹理图像与红外摄像机拍摄的红外图像视场重合。
所述双光谱同轴成像装置位于铁轨上方,成像视场覆盖铁轨及两侧扣件区域。
所述三个面光源照射范围不重叠,其中两个面光源分别位于铁轨两侧扣件上方,为扣件区域照明,一个面光源位于铁轨上方,与铁轨纵向成a角度入射,与可见光摄像机构成暗场照明,其中,a取值范围为10~90度。
工控机位于车厢内,与可见光摄像机和红外摄像机连接,用于采集铁轨及扣件表面双光谱图像,并基于双光谱成像装置获取的纹理图像和红外热图像进行铁轨及扣件异常检测。
优选地,光源采用单波长或窄带光谱范围光源,波长范围为800~1000nm,并在可见光摄像机前端设置与该光源波长相等的窄带滤光片,用于滤除环境光。
优选地,可见光摄像机选用可见光线阵摄像机,红外摄像机选用红外线阵摄像机,构成双光谱线阵成像装置。
所述可见光线阵摄像机的成像分辨率不低于1024像素,光谱感知范围为400nm~1000nm,红外线阵摄像机的成像分辨率不低于1024像素,红外线阵摄像机的温度灵敏度不低于0.5℃。
所述可见光线阵摄像机和红外线阵摄像机位于铁轨正上方、光轴垂直于路面、成像切片垂直于铁轨纵向,拍摄视场重合且覆盖铁轨及两侧扣件区域。
所述线阵摄像机成像切片是指:线阵摄像机中线阵图像传感器中成像区域与镜头光心构成的平面。
优选地,将位于扣件上的两个面光源改为平行光线光源,位于铁轨上方的面光源选用平行光面光源;两个平行光线光源照射区域覆盖双光谱线阵成像装置的线阵成像区域。
优选地,增加一个车轮转动角度编码器固定在车轮转动轴上,对车轮转动角度编码并产出触发信号用于驱动可见光线阵摄像机和红外线阵摄像机同步成像。
优选地,分别在列车底部、左右铁轨上方,各设置一套双光谱线阵成像装置,对左右铁轨及其两侧扣件区域进行扫描成像;
优选地,在左右两侧车轮上各安装一个车轮转动编码器,分别驱动左右两侧双光谱线阵成像装置。
本实用新型有益效果:与现有技术相比,特别是与专利Z.201210192641.2相比,本实用新型的优点是:1)采用双光谱成像,同时获取铁轨及扣件表面纹理图像和红外热图像,利用纹理图像对红外图像进行检测区域定位,特别是扣件区域进行定位,以便于对扣件区域的红外图像进行精细化对比分析;2)在对铁轨进行可见光线阵摄像机扫描成像时,采用斜向入射的平行光源,与可见光摄像机构成暗场照明,可以突出显示铁轨表面波磨、裂纹、剥落等损伤,提升铁轨表面损伤检测能力;3)采用线阵红外摄像机代替面阵摄像机,可采用1024像素的红外线阵摄像机,获取高分辨率红外热图像,相比640*480分辨率的面阵红外摄像机,成像分辨率更高、成本低、拍摄图像数据量少;4)线阵红外摄像机成像平面垂直于铁轨和路面,拍摄对象在线阵图像中具有相同宽度尺寸(垂直于铁轨方向上宽度),而面阵红外摄像机存在透射投影变形,在不同位置处拍摄的扣件区域尺寸不同,为了保证扣件在面阵红外摄像机拍摄图像中具有相同尺寸,必须精准控制摄像机在扣件正上方拍摄,而使成像控制系统变得复杂,而采用线阵红外摄像机则只需要采用车轮编码器,沿着铁轨方向扫描即可,这种成像控制方法具有简单、可靠的优点;5)本实用新型所采用同轴分光成像方法,可以保证双光谱图像是对齐的。
附图说明
图1本实用新型方法原理图;
图2双光谱面阵成像装置示意图;
图3可见光面阵摄像机前端设置滤光片示意图;
图4光源照明及双光谱面阵成像装置安装示意图
其中,(a)是铁轨横截面方向布局图,(b)是铁轨纵向侧视图;
图5正常铁轨表面暗场照明成像示意图;
图6铁轨表面缺陷暗场照明成像示意图;
图7双光谱线阵成像装置示意图;
图8双光谱线阵成像及光源照明区域俯视图;
图9双光谱线阵成像装置列车安装示意图;
图中,1-铁轨,2-扣件,3-可见光面阵摄像机,4-红外面阵摄像机,5-二向色镜,6-可见光、近红外和中远红外混合光,7-可见光与近红外混合光,8-中远红外光,9-滤光片,10-平行光面光源,11-双光谱面阵成像装置,12-铁轨表面缺陷,13-可见光线阵摄像机,14-红外线阵摄像机,15-平行光面光源照明区域,16-平行光线光源照明区域;17-双光谱线阵成像装置成像区域,18-双光谱线阵成像装置,19-车轮转动编码器,20-工控机,21-车厢。
具体实施方式
下面结合附图和具体实施对本实用新型进行详细说明。本实施例以本实用新型技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本实用新型的保护范围不限于下述的实施例。
如图1所示,本实用新型采用双光谱成像装置,对铁轨及扣件区域进行双光谱成像,分别获取铁轨及扣件纹理图像和红外热图像;利用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测。
实施例1
如图2所示,采用一台可见光面阵摄像机3、一台红外面阵摄像机4构成双光谱面阵成像装置11,其中,可见光面阵摄像机3与红外面阵摄像机4的光轴垂直,在可见光面阵摄像机的光轴上设置二向色镜5,二向色镜5的分光面与可见光面阵摄相机3和红外面阵摄像机4的光轴分别成45度角;二向色镜5将入射的可见、近红外和中远红外混合光6分离为可见光与近红外混合光7和中远红外光8,分别进入可见光面阵摄像机3和红外摄像机4,用于获取双光谱图像;调节可见光面阵摄像机3、红外面阵摄像机4到二向色镜5分光面的距离和角度,使可见光面阵摄像机3拍摄图像与红外面阵摄像机4拍摄图像视场重合;其中可见光面阵摄像机3的分辨率为100万像素,红外面阵摄像机4的分辨率为640*480像素;将上述基于可见光面阵摄像机3、红外面阵摄像机4构成的双光谱面阵成像装置11固定在铁轨1上方,使双光谱成像视场完全覆盖铁轨1及扣件2区域,用于获取铁轨1及扣件2表面纹理图像和红外热图像。
实施例2
与实施例1不同之处在于,在双光谱面阵成像装置11旁设置照明光源,光源投射到铁轨 1及扣件2区域,光源波长为800nm,如图3所示,在可见光摄像机前端设置800nm的窄带滤光片9,以消除环境光干扰和获取亮度一致的铁轨及扣件表面纹理图像。
实施例3
与实施例2不同之处在于,如图4所示,在双光谱面阵成像装置11旁设置3个平行光面光源10,其中2个平行光面光源10-1、10-2位于铁轨两侧扣件2区域正上方,1个平行光面光源10-3斜向入射到铁轨1上,入射方向与铁轨1纵向的夹角为20度,3个光源照射区域不重叠。
如图5所示,当平行面光源10-3斜向入射铁轨1时,与可见光面阵摄像机3之间构成暗场照明系统;当铁轨表面未出现波磨、剥离、裂纹等损伤时,光源10-3的平行光到达铁轨表面后,多数光线能量以镜面反射方式射出,无法进入可见光面阵摄像机3,因而在铁轨区域成像很暗;如图6所示,当铁轨表面出现波磨、剥离、裂纹等损伤时,因铁轨表面缺陷12的反射角度与铁轨平面不同,投射到缺陷位置处光线会进入可见光面阵摄像机形成明亮区域。因此,可以利用这种暗场照明方式,实现铁轨表面缺陷突出显示。
实施例4
与实施例3不同之处在于,如图7所示,采用可见光线阵摄像机13代替可见光面阵摄像机3,采用红外线阵摄像机14代替红外面阵摄像机4,构成双光谱线阵成像装置18;采用平行光线光源代替2个平行光面光源10-1、10-2,为可见光线阵摄像机13提供照明;其中,可见光线阵摄像机13的分辨率为2048像素,行频为100KHz,红外线阵摄像机14的分辨率为1024像素,行频为100KHz;可见光线阵摄像机13的成像区域与红外线阵摄像机14的成像区域重合;如图8所示,2个平行光线光源照射区域16、平行光面光源照射区域15,分别位于扣件2和铁轨1上方,并完全覆盖双光谱线阵成像装置18的成像区域17。
如图7所示,在车轮上安装车轮转动编码器19,对车轮转动角度编码和产生触发脉冲信号,所产生的触发脉冲信号用于驱动可见光线阵摄像机13和红外线阵摄像机14对铁轨和扣件区域进行扫描成像;并通过放置在车厢21内的工控机20完成图像数据采集。
实施例5
与实施例4不同之处在于,采用两个车轮转动编码器19分别对左右车轮转动角度进行编码和产生触发脉冲,用于驱动左右两侧双光谱线阵成像装置18-1、18-2。
实施例6
按下列方法进行铁轨表面异常检测:
步骤1:根据铁轨在纹理图像和红外热图像中成像位置,分割出铁轨表面纹理图像Iw和红外热图像Ig,Ig的大小为h1*w1,h1、w1的取值范围为:50~1000;
步骤2:建立铁轨表面红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常铁轨红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常铁轨表面红外热图像训练得到,背景模型由2个h1*w1维的矩阵组成,其中,中元素是k帧正常铁轨表面红外热图像像素在时域的均值,是k帧正常铁轨表面红外热图像像素在时域的方差;
步骤3:进行铁轨表面温度异常检测
输入当前列车运动速度v和铁轨表面红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dg:
式中,dg(x,y)是背景差分图像dg的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h1,y的取值范围1~w1;
设置2幅标记图像F1 g,图像大小为h1*w1,图像中元素初始值为0;
当时,使F1(x,y)=1;
当时,使F2(x,y)=1;
其中,是检测阈值倍率系数,取值范围为0~100;
对图像F1 g,分别进行形态学滤波消除孤立噪声,并寻找图像F1 g,中取值为1的连通域;当图像F1 g或中存在面积大于T1的连通域时,判定铁轨表面存在异常,其中T1是检测阈值,取值范围为1~1000000000;
步骤4:基于铁轨纹理图像进行铁轨表面异常检测
对铁轨表面纹理图像进行二值化处理:将大于或等于阈值T2的像素置为1,小于阈值 T2的像素置为0,得到二值化图像F3 g;对二值化图像F3 g进行形态学滤波消除图像噪声,并寻找图像F3 g中取值为1的连通域;当图像F3 g中存在面积大于T2的连通区域时,判定铁轨表面存在异常,其中T2是检测阈值,取值范围为1~1000000000;
步骤5:基于铁轨纹理二值化图像和红外热图像进行铁轨表面异常分类
对步骤3和步骤4中检测的连通域进行合并操作,并计算合并后连通域的最大外接矩形 R;计算F1 g,F3 g中R区域内连通域的长宽比、质心、主轴方向、面积,构成特征向量V1;对红外热图像R区域中像素提取直方图,构成特征向量V2;分别对V1、V2进行归一化处理后,并与获取当前红外热图像列车行驶速度v作为铁轨表面异常分类特征量V'={v,V1,V2};然后,采集铁轨表面异常正负样本,训练分类器模型,采用分类方法判定铁轨表面异常类别。
实施例7
采用下述方法进行扣件异常检测:
步骤1:根据扣件在纹理图像和红外热图像中成像区域,分割出铁轨表面纹理图像和红外热图像;
步骤2:采用纹理图像进行红外热图像中扣件定位:采用图像模板匹配方法,在扣件纹理图像中找到扣件感兴趣区域(Region of interesting,ROI);基于该ROI在红外热图像定位扣件区域,取出扣件区域红外热图像Ik,红外热图像Ik的尺寸为h2*w2,h2、w2的取值范围为: 50~1000;
步骤3:建立扣件红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常扣件红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常扣件红外热图像训练得到,扣件区域红外热图像大小为h2*w2,背景模型由2个h2*w2维的矩阵组成,其中,中元素是k帧正常扣件红外热图像像素在时域的均值,是k帧正常扣件红外热图像像素在时域的方差;
步骤4:执行背景差分检测
输入当前列车运动速度v和扣件红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dk:
式中,dk(x,y)是背景差分图像dk的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h2,y的取值范围1~w2;
设置三幅标记图像F1 k,图像大小为h2*w2,图像中元素初始值为0;
当时,使F1 k(x,y)=1;
当时,使
当时,使F3 k(x,y)=1;
其中,ω1,ω2,ω3是检测阈值倍率系数,取值范围为0~100;
步骤5:执行异常扣件检测
对图像F1 k,分别进行图像腐蚀、膨胀操作,消除图像中孤立噪声后,寻找图像 F1 k,中取值为1的连通域;当图像F1 k或中存在面积大于T3的连通域时,判定扣件存在异常,其中T3是检测阈值,取值范围为1~1000000000;
当图像F3 k中存在面积大于T4的连通区域、且在图像F1 k中不存在面积大于T5的连通区域、在图像中不存在面积大于T6的连通区域时,判定扣正常;
当图像F1 k中存在面积大于T5的连通区域、且在图像中不存在面积大于T4的连通区域时,判定扣件缺失;
当图像F1 k中存在面积大于T5的连通区域、且在图像中存在面积大于T4的连通区域时,判定扣件松动;
当图像中存在面积大于T8的连通区域并且在图像中存在面积大于T4的连通区域时,判定扣件出现裂纹,其中T4、T5、T6、T7、T8是检测阈值,取值范围为1~1000000000。
尽管本实用新型的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应该被认为是对本实用新型的限制。在本领域技术人员阅读了上述内容后,对于本实用新型的多种修改和替代都将是显而易见的。因此,本实用新型的保护范围应由所附的权利要求来限定。
Claims (6)
1.一种双光谱成像铁轨及扣件异常检测装置,其特征是:由一个可见光摄像机、一个红外摄像机、一个二向色镜、三个面光源、一个工控机组成;
所述可见光摄像机、红外摄像机、二向色镜构成双光谱同轴成像装置,可见光摄像机的光轴与铁轨纵向垂直,红外摄像机光轴与铁轨纵向平行,可见光摄像机光轴与红外摄像机光轴垂直;二向色镜位于入射光路上、用于将入射光线分离为可见光与近红外混合光、中远红外光分别送入可见光摄像机和红外摄像机,二向色镜的分光面与可见光摄像机和红外摄像机的光轴成45度角;调整可见光摄像机、红外摄像机到二向色镜分光面的距离,使可见光摄像机拍摄的纹理图像与红外摄像机拍摄的红外图像视场重合;
所述双光谱同轴成像装置位于铁轨上方,成像视场覆盖铁轨及两侧扣件区域;
所述三个面光源照射范围不重叠,其中两个面光源分别位于铁轨两侧扣件上方,为扣件区域照明,一个面光源位于铁轨上方,与铁轨纵向成a角度入射,与可见光摄像机构成暗场照明,其中,a取值范围为10~90度;
工控机位于车厢内,与可见光摄像机和红外摄像机连接,用于采集铁轨及扣件表面双光谱图像,并基于双光谱成像装置获取的纹理图像和红外热图像进行铁轨及扣件异常检测。
2.根据权利要求1所述的双光谱成像铁轨及扣件异常检测装置,其特征是:光源采用单波长或窄带光谱范围光源,波长范围为800~1000nm,并在可见光摄像机前端设置与该光源波长相等的窄带滤光片,用于滤除环境光。
3.根据权利要求2所述的双光谱成像铁轨及扣件异常检测装置,其特征是:可见光摄像机选用可见光线阵摄像机,红外摄像机选用红外线阵摄像机,构成双光谱线阵成像装置;
所述可见光线阵摄像机的成像分辨率不低于1024像素,光谱感知范围为400nm~1000nm,红外线阵摄像机的成像分辨率不低于1024像素,红外线阵摄像机的温度灵敏度不低于0.5℃;
所述可见光线阵摄像机和红外线阵摄像机位于铁轨正上方、光轴垂直于路面、成像切片垂直于铁轨纵向,拍摄视场重合且覆盖铁轨及两侧扣件区域;
所述线阵摄像机成像切片是指:线阵摄像机中线阵图像传感器中成像区域与镜头光心构成的平面。
4.根据权利要求3所述的双光谱成像铁轨及扣件异常检测装置,其特征是:将位于扣件上的两个面光源改为平行光线光源,位于铁轨上方的面光源选用平行光面光源;两个平行光线光源照射区域覆盖双光谱线阵成像装置的线阵成像区域;增加一个车轮转动角度编码器固定在车轮转动轴上,对车轮转动角度编码并产出触发信号用于驱动可见光线阵摄像机和红外线阵摄像机同步成像。
5.根据权利要求4所述的双光谱成像铁轨及扣件异常检测装置,其特征是:分别在列车底部、左右铁轨上方,各设置一套双光谱线阵成像装置,对左右铁轨及其两侧扣件区域进行扫描成像。
6.根据权利要求5所述的双光谱成像铁轨及扣件异常检测装置,其特征是:在左右两侧车轮上各安装一个车轮转动编码器,分别驱动左右两侧双光谱线阵成像装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721315073.5U CN207908384U (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721315073.5U CN207908384U (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207908384U true CN207908384U (zh) | 2018-09-25 |
Family
ID=63570502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201721315073.5U Active CN207908384U (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207908384U (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283186A (zh) * | 2018-10-12 | 2019-01-29 | 成都精工华耀科技有限公司 | 一种轨道可视化巡检双光谱二维与三维融合成像系统 |
CN109459440A (zh) * | 2018-12-19 | 2019-03-12 | 成都精工华耀科技有限公司 | 一种铁路接触网支撑机构缺陷检测成像系统 |
CN109636789A (zh) * | 2018-12-13 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 基于图像分割的轨道扣件的零件缺失检测方法及装置 |
CN111080597A (zh) * | 2019-12-12 | 2020-04-28 | 西南交通大学 | 一种基于深度学习的轨道扣件缺陷识别算法 |
CN111627022A (zh) * | 2020-07-20 | 2020-09-04 | 宁波格劳博机器人有限公司 | 一种叠片裸电芯离线AC Overhang测量机 |
US20200353956A1 (en) * | 2019-05-10 | 2020-11-12 | Tongji University | Comprehensive inspection vehicle for subway tunnel |
CN113780199A (zh) * | 2021-09-15 | 2021-12-10 | 江苏迪赛司自动化工程有限公司 | 一种双视成像装置和皮带运输异物目标智能识别方法 |
CN112881427B (zh) * | 2021-01-13 | 2023-06-13 | 四川宇然智荟科技有限公司 | 可见光和红外热成像的电子元器件缺陷检测装置及方法 |
-
2017
- 2017-10-13 CN CN201721315073.5U patent/CN207908384U/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283186A (zh) * | 2018-10-12 | 2019-01-29 | 成都精工华耀科技有限公司 | 一种轨道可视化巡检双光谱二维与三维融合成像系统 |
CN109636789A (zh) * | 2018-12-13 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 基于图像分割的轨道扣件的零件缺失检测方法及装置 |
CN109459440A (zh) * | 2018-12-19 | 2019-03-12 | 成都精工华耀科技有限公司 | 一种铁路接触网支撑机构缺陷检测成像系统 |
US20200353956A1 (en) * | 2019-05-10 | 2020-11-12 | Tongji University | Comprehensive inspection vehicle for subway tunnel |
US11673587B2 (en) * | 2019-05-10 | 2023-06-13 | Tongji University | Comprehensive inspection vehicle for subway tunnel |
CN111080597A (zh) * | 2019-12-12 | 2020-04-28 | 西南交通大学 | 一种基于深度学习的轨道扣件缺陷识别算法 |
CN111627022A (zh) * | 2020-07-20 | 2020-09-04 | 宁波格劳博机器人有限公司 | 一种叠片裸电芯离线AC Overhang测量机 |
CN112881427B (zh) * | 2021-01-13 | 2023-06-13 | 四川宇然智荟科技有限公司 | 可见光和红外热成像的电子元器件缺陷检测装置及方法 |
CN113780199A (zh) * | 2021-09-15 | 2021-12-10 | 江苏迪赛司自动化工程有限公司 | 一种双视成像装置和皮带运输异物目标智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207908384U (zh) | 一种双光谱成像铁轨及扣件异常检测装置 | |
CN107576666A (zh) | 一种双光谱成像铁轨及扣件异常检测方法 | |
Ren et al. | State of the art in defect detection based on machine vision | |
KR102646521B1 (ko) | 편광 큐를 이용한 표면 모델링 시스템 및 방법 | |
JP6608042B2 (ja) | 熱画像カメラを利用した電力設備診断装置および方法 | |
CN101639452B (zh) | 一种钢轨表面缺陷的三维检测方法 | |
CA2615117C (en) | Apparatus and methods for inspecting a composite structure for inconsistencies | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN209624422U (zh) | 一种基于线阵成像的凹凸缺陷检测装置 | |
CN102374997A (zh) | 基于视觉系统的硬币表面质量高精度检测装置 | |
CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN102887155A (zh) | 货运列车超限计算机视觉检测系统 | |
CN114636706A (zh) | 一种太阳能电池片在镀膜后的图像检测的综合方法及装置 | |
US7116814B2 (en) | Image-based container defects detector | |
Medina et al. | Automated visual inspection of road surface cracks | |
US11657495B2 (en) | Non-lambertian surface inspection system using images scanned in different directions | |
CN201575977U (zh) | 一种水果表面损伤热红外成像检测系统 | |
CN108303431A (zh) | 用于表面异物检测的自动光学检测系统 | |
CN214097211U (zh) | 一种透明平板玻璃的缺陷检测装置 | |
CN108198164A (zh) | 一种电缆隧道电缆完整性的检测装置及方法 | |
CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测系统 | |
CN209802923U (zh) | 一种基于机器视觉的在用柴油车烟度测量装置 | |
CN112222012A (zh) | 一种基于分时式同轴照明成像的检测系统及分选机 | |
Wang et al. | Identification and detection of surface defects of outer package printed matter based on machine vision | |
CN208155893U (zh) | 基于高速相机的双目视觉划痕检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |